论文部分内容阅读
人体腹部区域是组织器官最多、结构最复杂并且发病率较高的部位之一,其发病的病症种类多样。随着计算机在各个行业的发展和普及,计算机辅助疾病的诊断技术日益成熟。而医学影像中组织器官的轮廓定位和提取,是实现计算机辅助肝脏疾病诊断和手术的重要前提。然而,腹部CT扫描图像容易受到体效应组织运动、噪声和设备本身的低分辨率等影响,对精确的分割CT扫描图像中的组织器官带来极大的挑战。本文对腹部CT扫描图像中的肝脏器官和主动脉瘤组织的提取,分别提出了两种有效的分割算法,其主要思想是利用CT扫描序列图像间的器官组织区域的一致性、相似性、微小变化等特性;具体研究工作如下:(1)针对CT图像中的肝脏器官分割问题,本文提出一种融合多截面序列间传递先验约束的肝脏CT图像分割方法,该方法主要利用序列图像之间的关联性,大致方法分成两个模块:第一个模块提出了基于CT图像序列间传递先验约束的肝脏分割方法;第二个模块则将输入的CT断层扫描图像的横截面、矢状面和冠状面的肝脏分割轮廓进行投票融合,修正得到最后的三维肝脏分割结果。本文提出的分割方法,其优势在于不需要任何已知的训练样本构建肝脏形状模型库,具有广泛的应用性,可以拓展应用在无任何标签数据的分割问题,也可以为需要训练数据的冷启动方法提供训练样本。(2)针对CT图像中的主动脉瘤壁组织分割问题,本文首先对CT增强期图像,使用基于阈值的分割算法提取出主动脉血管内腔,然后利用基于外观和形状先验的图割模型提取出主动脉瘤轮廓后,对提取的主动脉轮廓剔除管腔内血管区域,得到空心的主动脉瘤壁分割结果;最后,使用三维水平集算法修正由于二维分割截面图像导致的主动脉弓部分割结果出现过度平坦的现象。为了结合实际临床应用,使用基于移动立方体的面绘制算法重建出三维空心主动脉瘤壁模型,方便后续的三维模型打印,应用于心外科临床医生的体外模拟手术医学实验中。